人工智能简介及发展趋势

计算机科学与技术概论结业作业

人工智能技术简介及发展趋势

院系：信息科学与技术学院计算机科学与技术系

姓名：尹颜朋

学号：2011508009

前言

人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。他认为，如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。

人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。

人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。

第一章人工智能的产生

人工智能, 英文单词 artilect,来源于雨果·德·加里斯的著作 . “人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了

众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发具有人工智能的机器人展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着

时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外, 人

工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

人工智能的两种实现方法

人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。本书介绍的遗传算法（Generic Algorithm, 简称GA）和人工神经网络（Artificial Neural Network,简称ANN）均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁, 非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。

定义

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工

系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

计算机时代

1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德

国出现的发明就是电子计算机.第一台计算机要占用几间装空调的大房间,对程序员来说是场噩梦:仅仅为运行一个程序就要设置成千的线路.1949年改进后的能存储程序的计算机

使得输入程序变得简单些,而且计算机理论的发展产生了计算机科学,并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介.

AI的开端

虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器模拟的.这项发现对早期

AI的发展影响很大. 1955年末,Newell和Simon做了一个名为"逻辑专家"(Logic Theorist)的程序.这个程序被许多人认为是第一个AI程序.它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题."逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年,被认为是人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论.他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会".从那时起,这个领域被命名为 "人工智能".虽然 Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础.

Dartmouth会议后的7年中,AI研究开始快速发展.虽然这个领域还没明确定义,会议中的一些思想已被重新考虑和使用了. Carnegie Mellon大学和MIT开始组建AI研究中心.研究面临新的挑战: 下一步需要建立能够更有效解决问题的系统,例如在"逻辑专家"中减少搜索;还有就是建立可以自我学习的系统. 1957年一个新程序,"通用解题机"(GPS)的第一个版本进行了测试.这个程序是由制作"逻辑专家" 的同一个组开发的.GPS扩展了Wiener的反馈原理,可以解决很多常识问题.两年以后,IBM成立了一个AI研究

组.Herbert Gelerneter花3年时间制作了一个解几何定理的程序. 当越来越多的程序涌现时,McCarthy正忙于一个AI史上的突破.1958年McCarthy宣布了他的新成果: LISP 语言. LISP到今天还在用."LISP"的意思是"表处理"(LISt Processing),它很快就为大多数AI开发者采纳. 1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别.这笔资助来自国防部高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐.

竞赛

Loebner(人工智能类) 以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来说是一个极具诱惑的领域，人类为了实现这一梦想也已经奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交流那是相当困难的，甚至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以至于我们现在的研究可能还并未触及其导向本质的外延部分的边沿。

大量的程序

以后几年出现了大量程序.其中一个著名的叫"SHRDLU"."SHRDLU"是"微型世界"项目的一部分,包括在微型世界(例如只有有限数量的几何形体)中的研究与编程.在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的"STUDENT"可相关书籍以解决代数问题,"SIR"可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助. 70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已有巨大容量,专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间,专家系统被用于股市预测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能. 70年代许多新方法被用于AI开发,著名的如Minsky的构造理论.另外David Marr提出了机器视觉方面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信息,可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言,于1972年提出. 80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要,一些生产专家系统辅助制作软件的公司,如Teknowledge和Intellicorp成立了。为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来.

从实验室到日常生活

人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了象美国人工智能

协会这样的基金会.因为AI开发的需要,还出现了一阵研究人员进入私人公司的热潮。150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上.

其它一些AI领域也在80年代进入市场.其中一项就是机器视觉. Minsky和Marr的成果现在用到了生产线上的相机和计算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元.

但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降,业界损失了近5亿美元.象 Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领导者削减经费.另一个另人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望,Pentagon停止了项目的经费. 尽管经历了这些受挫的事件,AI 仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的人工智能机器人条件作出决策;还有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值.可以确信,它将是通向21世纪之匙. 人工智能技术接受检验在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公

众兴趣;一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活. 人工智能就其本质而言，是对人的思维的信息过程的模拟。

对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。

人工智能不是人的智能，更不会超过人的智能。“

意识和人工智能的区别

人工智能就其本质而言，是对人的思维的信息过程的模拟。对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。人工智能不是人的智能，更不会超过人的智能。“机器思维”同人类思维的本质区别： 1.人工智能纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。 2.人工智能没有社会性。 3.人工智能没有人类的意识所特有的能动的创造能力。 4.两者总是人脑的思维在前，电脑的功能在后。

第二章人工智能的应用

人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常

生活和学习当中也有许多地方得到应用。本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，籍此使读者对我们身边的人工智能应用有一个感性的认识。

1 符号计算计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;。另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。。长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。。早在 50 年代末,人们就开始对此研究。。进入 80 年代后,随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中 Mathematica 和 Maple 是它们的代表，由于它们都是用 C 语言写成的,所以可以在绝大多数计算机上使用。。Mathematica 是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形式的数学处理。计算机代数系统的优越性主要在于它能够进行大规模的代数运算。。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后, 手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好, 命令输入方便灵活,很容易寻求帮助。

2 模式识别模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里, 我们把环境与客体统称为“模式”,随着计算机技术的发展，人类有可能研究复杂的信息处理过程。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获

得）的识别。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别系统 (Optical Character Recognition，OCR)、语音识别系统等。计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程相似。以“汉字识别”为例：首先将汉字图象进行处理，抽取主要表达特征并将其特征与汉字的代码存在计算机中。就象把老师教我们这个字叫什么、如何写的知识记忆在大脑中。这一过程叫做“训练”。识别过程就是将输入的汉字图像经处理后与计算机中所保存的全部汉字进行比较，找出最相近的字作为识别结果,这一过程叫做“匹配”。语音识别就是让计算机能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。其中，中文部分的实验平台设立在中国科学院自动化所的模式识别国家重点实验室，这是口语翻译研究跨入世界领先水平的标志。该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等与“老外”通话。指纹是人体的一个重要特征，具有唯一性。北京大学有关专家对数字图像的离散几何性质进行了深入研究，建立了从指纹灰度图像精确计算纹线局部方向、而进提取指纹特征信息的理论与算法，随后研究成功了适于民用身份鉴定的全自动指纹鉴定系统，以及适于公安刑事侦破的指纹鉴定系统。从而开创了我国指纹自动识别系统应用的先河。北大指纹自动识别系统的推出，使我国公安干警从指纹查对的繁重人工处理中解放出来。浙江省从 1997 年开始使用北大指纹自动识别系统，采取省地（市）二级建库、省地（市）县三级查询的方式，形成了独特的“浙江模式”。省公安厅现已建立了 100 多万人的指纹库，是目前国内的第二大库。在 100 多万人的指纹库中，检索一枚现场指纹仅需 4 分钟左右。2000 年浙江省用指纹自动识别系统直接破案 3063 起，连带破案 12000 多起。破案率为全国第一，并遥遥领先于国内其它指纹识别系统，被公安部树为指纹系统建设应用样板。这里介绍一个综合应用的例子，一汽集团公司与国防科技大学最近合作研制成功“红旗轿车自主驾驶系统”（即无人驾驶系统）它标志着我国研制高速智能汽，车的能力已达到当今世界先进水平。汽车自主驾驶技术是集模式识别、智能控制、计算机学和汽车操纵动力学等多门学科于一体的综合性技术，代表着一个国家控制技术的水平。红旗车自主驾驶系统采用计算机视觉导航方式，并采用仿人控制，实现了对红旗车的操纵控制。首先，摄像机将车前方的道路和车辆行驶情况输入到图像处理和图像识别系统。该系统识别出道路状况、前方车辆的相对距离和相对车速。接着，路径规划系统根据这些信息规划出一条合适路径，即决定如何开车。然后，路径跟踪系统根据需跟踪的路径，结合车辆行驶状态参数和车辆驾驶动力学约束，形成控制命令，控制方向盘和油门开启机构产生相应动作，使汽车按照规划好的路径前进，即按自主驾驶系统的规划路径前进。

3 专家系统专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系

统处理的问题的类型，把专家系统分为解释型、

诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等 10 种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。

4 机器翻译机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。

5逻辑推理与定理证明

逻辑推理是人工智能研究中最持久的领域之一,其中特别重要的是要找到一些方法,只把注意力集中在一个大型的数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。医疗诊断和信息检索都可以和定理证明问题一样加以形式化。因此,在人工智能方法的研究中，定理证明是一个极其重要的论题。

6自然语言处理

自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰苦努力,这一领域已获得了大量令人瞩目的成果。目前该领域的主要课题是:计算机系统

如何以主题和对话情境为基础,注重大量的常识———世界知识和期望作用,生

成和理解自然语言。这是一个极其复杂的编码和解码问题。

7分布式人工智能

分布式人工智能在20世纪70年代后期出现，是人工智能研究的一个重要分支。分布式人工智能系统一般由多个Agen（t智能体）组成，每一个Agent 又是一个半自治系统，Agent之间以及Agent与环境之间进行并发活动，并通过交互来完成问题求解。

8计算机视觉

计算机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。目前，计算机视觉已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别、染色体识字符识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像精确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等。

9智能信息检索技术

信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。

第四章人工智能面临的困难

1计算机博弈的困难

博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或智力竞争上。博弈不仅存在于下棋之中,而且存在于政治、经济、军事和生物的斗智和竞争之中。尽管西洋跳棋和

国际象棋的计算机程序已经达到了相当高的水平,然而计算机博弈依然面临着巨大的困难。这主要表现在以下两个方面的问题：其一是组合爆炸问题,状态空间法是人工智能中基本的形式化方法。若用博弈树来表示状态空间,对于几种常见的棋类,其状态空间都大得惊人,例如,西洋跳棋为10的40次方,国际象棋为10的120次方,围棋则是10的700次方。如此巨大的状态空间,现有计算机是很难忍受的。其二是现在的博弈程序往往是针对二人对弈、棋局公开、有确定走步的一类棋类进行研制的。而对于多人对弈、随机性的博弈这类问题,至少目前计算机还是难以模拟实现的。

2机器翻译所面临的问题

在计算机诞生的初期,有人提出了用计算机实现自动翻译的设想。目前机器翻译所面临的问题仍然是1964年语言学家黑列尔所说的构成句子的单词和歧义性问题。歧义性问题一直是自然语言理解(NLU)中的一大难关。同样一个句子在不同的场合使用,其含义的差异是司空见惯的。因此,要消除歧义性就要对原文的每一个句子及其上下文进行分析理解,寻找导致歧义的词和词组在上下文中的准确意义。然而,计算机却往往孤立地将句子作为理解单位。另外,即使对原文有了一定的理解,理解的意义如何有效地在计算机里表示出来也存在问题。目前的NLU系统几乎不能随着时间的增长而增强理解力,系统的理解大都局限于表层上,没有深层的推敲,没有学习,没有记忆,更没有归纳。导致这种结果的原因是计算机本身结构和研究方法的问题。现在NLU的研究方法很不成熟,大多数研究局限在语言这一单独的领域,而没有对人们是如何理解语言这个问题做深入有效的探讨。

3自动定理证明和GPS的局限

自动定理证明的代表性工作是1965年鲁宾逊提出的归结原理。归结原理虽然简单易行,但它所采用的方法是演绎,而这种形式上的演绎与人类自然演绎推理方法是截然不同的。基于归结原理演绎推理要求把逻辑公式转化为子句集合,从而丧失了其固有的逻辑蕴含语义。前面曾提到过的GPS是企图实现一种不依赖于领域知识求解人工智能问题的通用方法。GPS 想摆脱对问题内部表达形式的依赖,但是问题的内部表达形式的合理性是与领域知识密切相关的。不管是用一阶谓词逻辑进行定理证明的归结原理,还是求解人工智能问题的通用方法GPS,都可以从中分析出表达能力的局限性,而这种局限性使得它们缩小了其自身的应用范围。

4模式识别的困惑

虽然使用计算机进行模式识别的研究与开发已取得大量成果,有的已成为产品投入实际应用,但是它的理论和方法与人的感官识别机制是全然不同的。人的识别手段、形象思维能力,是任何最先进的计算机识别系统望尘莫及的,另一方面,在现实世界中,生活并不是一项结构严密的任务，一般家畜都能轻而易举地对付,但机器不会,这并不是说它们永远不会,而是说目前不会。

第五章．人工智能的发展前景

1人工智能的发展趋势

技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展:模糊处理、并行化、神经网络和机器情感。

2人工智能的发展潜力巨大

人工智能作为一个整体的研究才刚刚开始,离我们的目标还很遥远，但人工智能在某些方面将会有大的突破。

(1)自动推理是人工智能最经典的研究分支,其基本理论是人工智能其它分支的共同基础。一直以来自动推理都是人工智能研究的最热门内容之一,其中知识系统的动态演化特征及可行性推理的研究是最新的热点,很有可能取得大的突破。

(2)机器学习的研究取得长足的发展。许多新的学习方法相继问世并获得了成功的应用,如增强学习算法、reinforcement learning等。也应看到,现有的方法处理在线学习方面尚不够有效,寻求一种新的方法,以解决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题,相信不久会在这些方面取得突破。

(3)自然语言处理是AI技术应用于实际领域的典型范例,经过A I研究人员的艰苦努力,这一领域已获得了大量令人瞩目的理论与应用成果。许多产品已经进入了众多领域。智能信息检索技术在Internet技术的影响下,近年来迅猛发展,已经成为了AI的一个独立研究分支。由于信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将A I技术应用于这一领域的研究是人工智能走向应用的契机与突破口。从近年的人工智能发展来看,这方面的研究已取得了可喜的进展。

3 人工智能的未来与挑战

人工智能研究的主要目标,就是希望用现代科学技术的手段来扩展人类智能系统的能力[3 ] ,那么人工智能未来的发展方向有哪些更值得关注的呢? 本文从四方面进行了阐述:人工智能技术与生物技术、电子技术结合研究生物电子体,与脑科学、信息处理技术结合研究大脑信息处理模型,与网络技术、软件技术结合研究网络智能软件,与通讯技术、控制技术结合研究家庭机器人。

（1）生物电子体

生物电子体是生物细胞与电脑微芯片有效协作的共存体,可以实现部分或全部生物的智能,既研究把模拟生物体的电脑微芯片植入生物体,与生物体形成协作共存体,又研

究从生物体中提取出细胞组织与模拟生物体的微芯片接合为协作共存体。麻省理工大学贝尔实验室和神经信息学研究所的科学家们已经成功实现了将模拟人类神经系统的电脑微芯片植入大脑,对人体神经进行了有效修复[4 ] 。日本东京大学的Shimoyama 教授领导的课题组研究蟑螂的控制技术,即把蟑螂头上的探须和翅膀切除,插入电极和微处理器以及红外传感器,通过遥控信号产生电刺激,使蟑螂向特定方向前进。美国纽约州立大学通过在老鼠体内植入微控制器,成功实现对老鼠的转弯、前进、爬树和跳跃等动作的人工制导。国内的南京

航空航天大学仿生结构与材料防护研究所也在研究壁虎的人工控制技术,把微电极植入壁虎体内,通过电刺激模拟神经控制其运动[5 ] 。

此外,英国科研人员于2008 年推出一个由老鼠的脑组织控制的机器人,名为“戈登”。该项研究的科研人员从老鼠身上分离出神经细胞,放置在酶溶液中,让这些神经细胞彼此分离。然后,将这些神经细胞置于营养丰富的培养基中,该培养基与一个拥有60 个电极的电子矩阵相连接。这个机器人身上就放置了数个这样的电子矩阵“大脑”,使其具有多重性格,

但是,如果没有外界刺激,在数月内其大脑会萎缩死亡。尽管如此,“戈登”仍是实现提取活体脑组织和电子部件结合的研究新突破。生物细胞组织结构及其各部件间协作的复杂性,致使真正实现人工体,模拟生物智能困难重重。然而,研究电脑芯片植入生物体,与生物体形成协作共存体,或是从生物体提取细胞组织与电子芯片结合构成协作共存体,对生物体进行达

到研究人工智能的目的。“美国9 ·11”刚过后,机器人第一次被带到城市搜索和救援工作中,当时到达现场的机器人达到十种,仅有3 种机器人参加了救援任务。其中,iRobot研制的Urban 机器人则因为只是为DARPA 的战术移动机器人计划研制的一个原型样机,太脆弱,且

操作员接口不好用,所以无法使用。另外有六种机器人虽然可以人工携带,但是由于体积仍然太大,不能装入背包,所以不能运输到现场。事后,许多救援和机器人专家撰写报告和论文分析当前救援机器人在移动机构、感知系统、智能行为、人机交互等方面存在的问题,并提出了许多宝贵的建议[6 ] 。试想研究生物电子体,有效控制爬行动物的行为,使其为人类服务,可能比研究救援机器人花费的时间和资源更少一些。此外,研究生物脑的基本功能构建人工脑,进而实现人工智能是一个长期而复杂的课题,生物脑的许多功能对人类仍是一个十分深

奥的谜。然而,通过智能技术与生物技术、电子技术相结合,研究实现生物细胞组织与电脑微芯片接合为协作共存体,以达到利用脑细胞功能构建生物智能,即生物电子体,将是实现人工真智能研究历程中的一个重要阶段。

（2）大脑信息处理模型

大脑信息处理模型的研究即从信息处理切入,结合脑科学研究大脑对信息流的获取、存储、联想(提取) 、回忆(反馈)等处理逻辑,以及脑神经细胞的工作原理,并为之建模。1999 年日本京都先进电讯研究所成功研究了机器猫,该机器猫的脑部主要采用了人工神经网络技术, 包含约3 770万个人造神经细胞,尽管数量比人脑的1 000 亿相比差之甚远,但其智能超过

了昆虫。2002 年“人工大脑之父”雨果在比利时研制了能让机器人拥有数百个行为能力的人工大脑。2008 年雨果在中国厦门大学研究中国的第一个人工大脑,用基因算法设计神经网络,即生产大脑,CBM 大脑制造机器可以在几秒钟内进化为一个神经网络,处理将近一亿个神经元,其计算能力相当于一万台个人电脑。雨果致力于研究制造像人一样思考的智能机器人。尽管已有研究成果证明了智能机器人已经不再是科幻,但是目前仍没有一个智力达到三岁儿童,视力可以与老鼠相比的机器人。美国杰夫·霍金斯认为真正认识人类大脑是开发智能机器的必由之路。他认为所谓智能,就是人脑比较过去、预测未来的能力,大脑不是计算机,不会亦步亦趋、按部就班地根据输入产生输出,大脑是个庞大的记忆系统,真正了解智能的内涵和人类大脑,构建大脑的记忆- 预测系统模型才能制造真正的智能。[7 ]中科院院士李衍达在《人工智能发展面临的新机遇》一文中提到:“大脑的作用机理要用信息处理的模型来说明,而不是仅用可计算模型来说明[8 ] 。”BCI 的出现为机器模拟大脑的信息处理机制、产生拟大脑的思维与智能、帮助人类解决复杂问题提供了可能。在BCI 发展的基础上,结合脑科学和信息科学研究大脑对信息有效控制,使其为人类服务,实际上就是以研究生物智能而_的认知、处理逻辑将被人们更加重视。基于目前的科技手段,仅能获得表明某种任务在大脑

的反应区域的相关数据,难以观测到随时间的变化,外界环境对大脑输入信息是如何流经大脑的,无法检测脑神经元之间反馈连接的工作数据。

因此,揭示大脑的奥秘,对大脑获取信息、存储信息、提取信息、反馈信息等一系列过程进行建模,将为人工大脑的研究提供新的机遇,也将是人工智能发展的一个新挑战。

（3）网络智能软件

智能主体是智能互联网中的生灵,它是一种智能的软件实体,能够在智能互联网中自由遨游,为用户提供各种智能服务。所谓网络智能软件是面向智能主体的研究方法所设计、开发的软件。网络智能软件技术是网络技术、人工智能技术、软件工程技术的结合。

软件设计与开发经历了从面向对象到面向服务的转化,进入80 年代以来,尽管软件工

程研究与实践取得了可喜的成就,软件技术水平有了长足的进展,但是软件生产水平依然远远落后于硬件生产水平的发展速度。从20 世纪90 年代中后期开始,基于Agent 的研究逐渐影响到软件体系结构及智能系统的设计,并被认为是克服软件危机的重要突破口。它与现存的开发方法相比,存在一些优越性,特别是在软件系统中,Agent 是现实世界的高水平的抽象[8 ] 。Shoham深入研究了面向Agent 的编程方法,简称AOP ,他认为AOP是对OOP 方法的延伸和扩展。在AOP 方法中,允许每个Agent 拥有涉及环境和其他Agent 的知识和信念,允许这些模块具有能力和做出承诺等,一个计算由这些Agent 之间的相互告知、请求、谈判、帮助等组成。本世纪初,面向Agent开发的软件陆续出现,如基于Agent 的实时道路交通导航系统模型、面向Agent 的巡航导弹武器控制系统、多Agent 敏捷调度系统、CoABS 主体(Agent ) 网格系统、主体网格智能平台A Gr IPTA 等。另外,北京科技大学涂序彦教授等人又在Agent 的基础上提出了软件人,一种Agent 的延伸和扩展,致力于研究基于软件人的软件体系结构与智能系统的设计,探讨了软件人在数字气田、智能ERP、计算机安全系统、智能游戏中的应用。目前,多Agent 系统的研究非常活跃。多Agent 系统试图用Agent 来模拟人的理性行为,主要应用在对现实世界和社会的模拟、机器人和智能机械等领域。而在现实世界中生存、工作的智能主体,要面对的是一个不断变化的环境。在这样的环境中,智能主体不仅要保持对紧急情况的及时反应,还要使用一定的策略对中短期的行为作出规划,进而通过对世界和其它智能主体的建模分析来预测未来的状态,以及通过通讯语言实现和其他智能主体的协作或协商[9 ] 。Agent 技术不仅是分布智能的研究热点,而且将成为下一代软件开发的重要突破点。事实上,基于Agent 的软件设计与开发已经成为人工智能学科的重要内容之一,而如何在软件设计与开发中更好地体现Agent 的自治性、交互性、协作性、以及可通信性等,又使智能软件的设计与开发成为了人工智能学科的新挑战。

（4）家庭机器人

家庭机器人可以和人成为朋友,陪人聊天,也可以帮助人们看家、清洁地板、照顾孩子等做一些家庭琐事,把人们从繁琐家务劳动中解脱出来,成为人们生活的友好助手,人们不仅可以近距离地传达指令给家庭机器人,指挥其完成某些工作,还可以对其进行远程遥控。过去50 年里,机器人主要被应用在工业生产和危险环境中,但现在更大的市场已经转移到了家庭。2002 年,iRo2bot 公司研制了吸尘器机器人Roomba 。2003 年,日本泰姆泽库( Tmsuk) 公司研发了恐龙机器人“番龙”,如果家中出现异常情况,就会呼叫主人手机,通知主人家中有异常现象出现,或者根据传感器的反应,主人可以远距离操纵“番龙”寻找所出现的异常现象[10 ] 。2004 年底完成并发表了ROBO2RIOR 试制1 号机,该机器人以深海生物水母的形象出现,用

光与声同周围环境进行对话,它有远距离操作、看家、电视电话等功能[11 ] 。2005 年日本发布了PaPeRo2005 ,这是一款强化通讯功能的家庭型机器人,它可以在噪声环境下分辨声音,而且对手写笔记、文字和动画有识别能力,有与人自然沟通的能力,可与儿童对话并实现部分儿童监护功能。2007 年日本的Fuji Housing 公司在大阪展示了它们正在开发外观似泰迪熊的新型家务机器人,它带有声音识别系统,可以听懂一万多种命令并能够准确执行这些命令。2008 年太平洋网公布了信息时报综合报道的加拿大IT 奇才打造完美机器人妻子Aiko ,该女性机器人一头秀发,五官精致,能简单从事清洁和家务工作,精于数学,可以认人,能够大声读报纸,给人指方向等。北京商报报道了中国首台家庭智能机器人上市,该机器人名叫塔米,身高只有45 cm ,能跟孩子一起玩,具有唱歌、跳舞、背唐诗、说英语等能力,同时它还有自动充电、安全防盗等多种功能,并可以语音播报天气预报和新闻头条,其市场售价超过6 万元。

现阶段家用机器人仍然受到技术的限制,目前普遍使用激光技术计算距离,使用雷达技术保持平衡,使用红外线摄像技术探测热能识别人的存在。无论人、动物还是灯都是一处热源,机器人无法分辨。家庭机器人俨然已成为21 世纪智能科学研究的重要领域之一,然而结合通讯技术、控制技术研究全智能的可远程操作的家庭机器人也必然成为智能科学发展的又一挑战。

六．结束语

人工智能一直处于计算机技术的前沿，其研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

参考文献:

[1 ] 涂序彦. 人工智能的历史、现状、前景[ G]/ / 人工智能:

回顾与展望. 北京:科学出版社,2006 :55269.

[2 ] 李德毅,肖俐平. 网络时代的人工智能[J ] . 中文信息学

报,2008 ,22 (2) :329.

[3 ] 钟义信. 人工智能: 进展与挑战[J ] . 微型电脑应用,

2009 ,25 (9) :1 ,10.

[4 ] 史忠植. 展望智能科学[ G]/ / 人工智能:回顾与展望.

北京:科学出版社,2006 :1122129.

[5 ] 吉爱红,戴振东,周来水. 仿生机器人的研究进展[J ] .

机器人,2005 ,27 (3) :2842288.

[6 ] 唐鸿儒,宋爱国. 危险环境侦察机器人的研究进展[J ] . 机器人应用,2007 (5) :29235.

[7 ] Wang Dongmei , Fang Huajing. Leader2following coor2 dination of multi2agent systems with information feed2 back[J ] . Journal of Systems Engineering and Elect ron2 ics ,2009 ,20 (4) :8232828.

[8 ] 李衍达. 人工智能发展面临的新机遇[ G]/ / 人工智能: 回顾与展望. 北京:科学出版社,2006 :729.

[9 ] 彭丁聪. 移动Agent 技术及其在电子商务中的应用

[J ] . 科技创新导报,2009 (25) :31233.

[10 ] 黄燕. 家家都要机器人[J ] . 互联网周刊,2004 (11) : 74275.

[11 ] 张炜. 家用机器人ROBORIOR[J ] . 机器人技术与应

用,2007 (2) :24228.